背景

现有原生kafka connect runtime，在客户环境运行遇到诸多问题，问题列表如下：

• 强依赖Kafka集群做任务分配、connector配置信息、connector状态管理、source进度维护等等
• 当遇到数据量大、并行数多，topic数量较多时，可能引发kakfa集群的不稳定包括(节点宕机，controller切换等)从而引发整个Kafka集群运行状态的不稳定
• Kafka集群同时承担了数据缓存和任务分配协调的工作，他们之间相互干扰，当Kafka集群不稳定影响到kafka connect集群

目标

对kafka集群解藕，去Kafka依赖，为了实现如上目标，需要做如下工作：

• 迁移出kafka集群中connector rebalance管理功能，group coordinate角色迁移(协议、交互、管理)
• 存储功能迁移，从kafka迁移出connector配置信息、connector状态、source进度维护
• 实现raft协议功能，可以自住开发，也可选择第三方集成开发
• 提升系统稳定性，例如可用性从有时宕机到99.95%，jvm不会出现运行时内存溢出情况

原生方案

1.kafka原生rebalance机制
2.Kafka 3.0 for raft优势
3.Connector元数据存储

 connect把kafka内置topic当作key/value存储

工作量几代码行数统计

 新方案

1.rebalance功能迁移

新的rebalance机制如下：
引入raft协议：强一致性: 基于分布式一致性协议保证数据可靠性和一致性
raft leader 负责元数据管理 包括存储本地、存储DB、第三方存储 connector-tasks负载均衡 配置管理等等

以上connect集群，变化如下：

• worker进程角色变化，当worker启动前，可以配置为单一角色(raft|worker)或组合角色(raft+worker)，当配置为raft时，只负责raft leader选择和元数据存储、管理，不执行connetor-tasks任务；当配置组合角色为raft和worker时，同时兼具raft leader选择和元数据存储、管理和执行connetor-tasks任务
• kafka中GroupCoordinate迁移到connect集群中，选择raft leader所在worker节点承担GroupCoordinate工作，且connect集群中运行时只存在唯一且一个GroupCoordinate节点

 以上是connect集群，物理部署结构

 相比原生connect集群用Roundrobin算法对worker节点tasks平均分配，新方案采用weight + Roundrobin算法worker节点tasks平均分配，raft leader所在woker配置低权重少分配task，保证raft leader安全负载和运行稳定性。比如raft leader worker节点tasks分配权重不大于50%

2.元数据存储功能迁移

根据客户场景和业务需要，connector元数据存储需要支持多种方式，并且元数据读写操作需要提供统一编程接口，方便其他存储系统易于接入并做实现，多种元数据存储如下：

• 本地raft leader woker持久化connector元数据
• 支持DB(mysql、oracle、DB2)持久化connector元数据
• 支持第三方存储系统实现编程接口实现持久化connector元数据

下面是持久化connector元数据两种方式对比

• 第一种，worker直接调用存储系统，优点实现容易且简单，不足是在线热切换connector元数据存储系统需要通知所有connect集群所有worker节点变更
• 第二种，worker通过raft leader转发持久化请求，中间代理多了一层集群规模大，不足可能存在性能瓶颈，占用raft leader节点过多；优点是容易在线热切换connector元数据存储系统

3.raft实现选择

3.1 参考Kafka raft实现进行开发

用于集群控制节点leader选举和元数据存储，具体参考：Kafka 3.0 for kraft优势

3.2 选择蚂蚁金服raft框架SOFAJRaft

RheaKV 是一个轻量级的分布式的嵌入式的 KV 存储 lib， rheaKV 包含在 jraft 项目中，是 jraft 的一个子模块。
定位与特性

1. 嵌入式: jar 包方式嵌入到应用中
2. 强一致性: 基于 multi-raft 分布式一致性协议保证数据可靠性和一致性
3. 自驱动 （目前未完全实现）: 自诊断, 自优化, 自决策, 自恢复
4. 可监控: 基于节点自动上报到PD的元信息和状态信息
5. 基本API: get/put/delete 和跨分区 scan/batch put, distributed lock 等等

功能名词

• PD: 全局的中心总控节点，负责整个集群的调度，一个 PD server 可以管理多个集群，集群之间基于 clusterId 隔离；PD server 需要单独部署，当然，很多场景其实并不需要自管理，rheaKV 也支持不启用 PD
• Store: 集群中的一个物理存储节点，一个 store 包含一个或多个 region
• Region: 最小的 KV 数据单元，可理解为一个数据分区或者分片，每个 region 都有一个左闭右开的区间 [startKey, endKey)
• 存储层为可插拔设计， 目前支持 MemoryDB 和 RocksDB 两种实现：
• MemoryDB 基于 ConcurrentSkipListMap 实现，有更好的性能，但是单机存储容量受内存限制
• RocksDB 在存储容量上只受磁盘限制，适合更大数据量的场景
• 数据强一致性， 依靠 jraft 来同步数据到其他副本, 每个数据变更都会落地为一条 raft 日志, 通过 raft 的日志复制功能, 将数据安全可靠地同步到同 group 的全部节点中

3.3. Apache Ratis暂时了解不多

从raft框架活跃度和成熟度考虑、社区支持等等，apache ratis最佳选择。SOFAJRaft是蚂蚁金服一家支持，不过能在金融行业使用，系统稳定性和容灾容错应该是不错且得到验证的。
典型项目：Apache Hadoop Ozone对象存储系统使用了apache ratis框架

博客来自李志涛：https://www.cnblogs.com/lizherui/p/17444150.html